JP2021127106A - 自律車両制御のためのクロスプラットフォームプロファイリング - Google Patents

Abstract

【課題】二次の動的挙動に起因するレイテンシ時間及びサブシステム制御作動の動的遅延を識別する自律運転車両（ＡＤＶ）制御システムを提供する。
【解決手段】パラメータを有する離散時間動的モデルを開発し、かつ、選択されたクラウド運転データに対して最小二乗法を使用してパラメータを推定することによって、レイテンシ時間及びサブシステム制御作動遅延を識別する。モデルパラメータを推定した後、該モデルが、制御サブシステムの遅延時間、立ち上がり時間、整定時間、オーバーシュート、帯域幅、共振ピーク等の動的作動遅延の評価指標を識別する。制御サブシステムは、ステアリング、ブレーキ及びスロットルを含む。
【選択図】図１

Description

本開示の実施形態は、概して、自律車両の操作に関する。より具体的には、本開示の実施形態は、自律車両の制御サブシステムを制御するレイテンシ時間及び作動の動的遅延を識別し、それによって自律車両の制御を改善する、均一かつ体系的なプロセスに関する。

自律モードにおいて（例えば、運転者なしで）動作する車両は、乗員、特に運転者を、運転に関連する責務から解放することができる。自律モードにおいて動作している際には、車両は、オンボードセンサを使用して様々な場所へとナビゲートすることができ、それによって、車両は、最小限の人の干渉で、場合によっては乗客なしで走行できるようになる。

自律運転において、行動の計画及び制御は、重要な操作である。しかしながら、従来の行動計画操作では、種々異なるタイプの車両についての特徴の相違を考慮することなく、主として曲率及び速度から、所与の経路を完了する難しさを推定している。同一の行動計画及び制御が全てのタイプの車両に対して適用され、そのような行動計画及び制御は、いくつかの状況では正確かつスムーズではないことがある。

ブレーキ、スロットル、ステアリング等の制御システムの電子的決定及び作動（「ドライブバイワイヤ」）を使用することによって、車両作動システムには、何らかのレイテンシ時間及びシステムの動的遅延が存在する。レイテンシ時間は、計画された軌道上に留まるために制御命令が必要であることを検出する際の遅延によって発生し得る。レイテンシ時間は、車両を取り巻くオブジェクトを識別するために必要なデータ収集及び処理時間に起因し得ると共に、計画された軌道上に留まるために必要な制御命令の計算に起因し得る。レイテンシ時間は、およそ５０〜１００ミリ秒（ｍｓ）であり得る。作動の動的遅延は、ブレーキ、スロットル又はステアリング等の制御サブシステムが制御命令を受信した際に制御サブシステム内で発生し得るものであり、制御サブシステムは、制御命令を実行するために物理コンポーネントを作動させる必要がある。作動の動的遅延は、制御命令を実行する物理的動作を実施するために時間を必要とする、モーター、ドライブベルト、ブレーキパッド及びシリンダ等の物理的作動装置若しくは要素、又は、燃焼に起因し得る。受信した命令の作動の動的遅延は、作動の立ち上がり時間、オーバーシュート量、及び、受信した制御命令にマッチする物理作動装置の測定状態の整定時間として現れ得る。作動の動的遅延は、およそ数百ミリ秒、最大で５００ｍｓにもなり得るものであり、これはレイテンシよりも大幅に長い。

ブレーキ、ステアリング、スロットル等の制御サブシステムは、自律車両の制御システムを開発する当事者とは異なるサードパーティの供給者から提供されることがよくある。したがって、自律車両制御サブシステムの開発者は、制御サブシステムの操作特性を「ブラックボックス」と見なす必要がある。したがって、従来の研究取り組みでは、典型的には、車両作動レイテンシ及び作動の動的挙動を無視できるものとして扱い、モデルベースの自律車両制御器を設計する際には、車両コントロールシステムの動的挙動から作動レイテンシ及び作動の動的挙動を直接放棄している。結果として、急激な加速、又は、鋭い若しくは急な旋回のある運転状況においては、自律車両の制御動作は、通常、目に見える遅延なくしては望ましい軌道を辿ることができない。

本開示の実施形態は、添付の図面における各図中に、限定ではなく例として図示される。ここで、類似の参照符号は、類似の要素を示す。

図１は、一実施形態に係る、ネットワーク化されたシステムを示すブロック図である。

図２は、一実施形態に係る、自律車両の例を示すブロック図である。

図３Ａは、一実施形態に係る、自律車両に使用される知覚及び計画システムの例を示すブロック図である。 図３Ｂは、一実施形態に係る、自律車両で使用される知覚及び計画システムの例を示すブロック図である。

図３Ｃは、一実施形態に係る、ＡＤＶ制御命令及び該制御命令に対する自律車両制御サブシステム作動の動作応答の例を示す。

図３Ｄは、一実施形態に係る、自律車両で使用されるようなステアリング制御サブシステム及び動的挙動のソースを示す。

図４は、一実施形態に係る、自律運転システムのアーキテクチャを示すブロック図である。

図５は、一実施形態に係る、自律車両制御器の改善に使用するための、自律運転車両の制御サブシステムの作動の動的遅延を説明する評価指標を推定するデータフロー及びシステムを示すブロック図である。

図６は、一実施形態に係る、自律車両の制御サブシステムにおける作動の動的遅延及びレイテンシ時間を識別する方法を示すブロック図である。

図７Ａは、一実施形態に係る、自律車両の制御サブシステムにおける作動の動的遅延及びレイテンシ時間を識別する方法を示すブロック図である。 図７Ｂは、一実施形態に係る、自律車両の制御サブシステムにおける作動の動的遅延及びレイテンシ時間を識別する方法を示すブロック図である。

本開示の様々な実施形態及び態様は、以下に論じられる詳細を参照して説明され、添付の図面は、それらの様々な実施形態を示す。以下の説明及び図面は、本開示の例示であり、本開示を限定するものとして解釈されるべきではない。多くの具体的な詳細が、本開示の様々な実施形態の完全な理解を提供するために説明される。しかしながら、所定の例では、本開示の実施形態の簡潔な説明を提供するため、公知の又は従来の詳細が説明されていない。

本明細書における「一実施形態」又は「実施形態」についての言及は、実施形態に関連して説明される特定の特徴、構造又は特性が、本開示の少なくとも１つの実施形態に含まれ得ることを意味する。本明細書の様々な場所において「一実施形態では」という句が現れるが、それらは必ずしも全てが同じ実施形態を示しているとは限らない。

一実施形態では、自律運転車両（ＡＤＶ）制御システムを改善する方法は、１つ以上のＡＤＶ制御サブシステムのそれぞれについて：複数のパラメータを有する離散時間動的モデルを生成するステップであって、動的モデルは、ＡＤＶ制御サブシステムの作動動的遅延を特徴付けるものである、ステップと、識別された運転状況についてのクラウドソーシングされたＡＤＶ運転データを使用して、動的モデルについての複数のパラメータのそれぞれについての値を推定する推定器を生成するステップと、該推定器を使用して、該複数のパラメータを推定するステップとを含む。パラメータが推定されたモデルは、動的モデル及び推定されたパラメータを使用して、ＡＤＶ制御サブシステムの帯域幅評価指標及び共振ピーク評価指標を決定するために使用され得る。この動的モデルは、連続時間システムに変換され得ると共に、ＡＤＶ制御サブシステム（スロットル、ブレーキ、ステアリングなど）の立ち上がり時間評価指標、オーバーシュート評価指標及び整定時間評価指標を決定するために使用され得る。これらの評価指標は、更新されたＡＤＶサブシステム制御器を生成するために使用されることができ、更新されたＡＤＶサブシステム制御器は、１つ以上のＡＤＶの運転において使用するために該１つ以上のＡＤＶへと配布される。一実施形態では、作動遅延は、制御サブシステムによって受信された制御命令の初期実行の時間と、受信された制御命令の初期実行に応答した、サブシステムの測定された作動の時間との間の差を表す。一実施形態では、クラウドソーシングされたＡＤＶ運転データは、指定されたＡＤＶタイプ、指定されたＡＤＶ制御器タイプ、又は、１つ以上の指定されたＡＤＶサブシステム制御器タイプのうちの１つ以上に従って選択される。一実施形態では、サブシステムの離散時間動的モデルは、以下の形式における二次の動的モデルである。

ここで、複数のパラメータは、ａ_１、ａ_２、ｂ_１及びｂ_２である。一実施形態では、離散時間動的モデルを生成するステップは、さらに、サブシステムについてレイテンシ時間項を導入することを含み、レイテンシ時間項は、ＡＤＶ制御器による命令の送信と、ＡＤＶサブシステム制御器による命令の初期実行との間の時間を表す。一実施形態では、複数のパラメータを推定するステップは、クラウドソーシングされたＡＤＶ運転データの最小二乗適合を実行し、それによってサブシステムの離散時間動的モデルのパラメータを決定することを含む。

一実施形態では、上記の方法の機能性のいずれか／全ては、以下の処理システムによって実行することができる。該処理システムは、メモリに結合された１つ以上のハードウェアプロセッサを含み、該メモリは、処理システムによって実行された際に特許請求された機能をコンピューティングシステムに実行させる、実行可能な指令によりプログラムされている。一実施形態では、該メモリは、非一時的なコンピュータ可読媒体又は他のタイプのメモリであり得る。

図１は、本開示の一実施形態に係る、自律車両のネットワーク構成を示すブロック図である。図１を参照して、ネットワーク構成１００は、ネットワーク１０２を介して１つ以上のサーバ１０３〜１０４に通信可能に結合可能な自律車両１０１を含む。１つの自律車両が図示されているが、複数の自律車両が相互に結合されていてもよく、及び／又は、複数の自律車両がネットワーク１０２を介してサーバ１０３〜１０４に結合されていてもよい。ネットワーク１０２は、ローカルエリアネットワーク（ＬＡＮ）、インターネット等のワイドエリアネットワーク（ＷＡＮ）、セルラーネットワーク、衛星ネットワーク又はそれらの組み合わせ等、任意のタイプの有線又は無線のネットワークであってもよい。サーバ１０３〜１０４は、ウェブ又はクラウドサーバ、アプリケーションサーバ、バックエンドサーバ又はそれらの組み合わせ等、任意の種類のサーバ又はサーバのクラスタであってよい。サーバ１０３〜１０４は、データ分析サーバ、コンテンツサーバ、交通情報サーバ、地図及び関心地点（map and point of interest、ＭＰＯＩ）サーバ、シミュレート自律車両運転サーバ又は位置サーバ等であってもよい。自律車両運転シミュレータサーバ１０４は、実際の自律運転車両のデータロギングと実質的に同一である運転記録についてのデータロギングを含み得る。運転シミュレータは、自律車両制御システムに対する提案された更新（proposed update）をテストするために使用され得る。運転シミュレータは、運転記録を（例えば、サーバ１０３によって）アルゴリズム１２４で処理するためにアップロードすることができ、それによって、自律車両制御システムの性能を特徴付ける標準化された評価指標１２４のセットを生成し得る。

自律車両１０１とは、運転者からの入力がほとんど又は全くない環境を車両がナビゲートする自律モードにて運転するように構成され得る車両をいう。そのような自律車両は、車両が動作する環境に関する情報を検出するように構成された１つ以上のセンサを有するセンサシステムを含み得る。車両及び該車両に関連する制御器は、検出された情報を使用し、それによって該環境中をナビゲートする。自律車両１０１は、手動モード、完全自律モード又は部分自律モードにて動作し得る。本明細書で説明するように、いくつかの実施形態では、自律車両は、サーバ１０４の自律運転シミュレータにおいてシミュレートされる。自律車両のタイプ（Lexus（登録商標）、Honda（登録商標）、SmartCar（登録商標）、Kia（登録商標）等）や自律車両制御器のタイプ（モデル予測制御、線形二次レギュレータなど）等の特性及び識別子が、自律運転シミュレーションシステム内においてシミュレートされた自律車両、及び、シミュレートされた自律車両運転セッションによって生成された運転記録を識別するために使用され得る。

一実施形態では、自律車両１０１は、以下に限定されないが、知覚及び計画システム１１０、車両制御システム１１１、無線通信システム１１２、ユーザインタフェースシステム１１３及びセンサシステム１１５を含む。自律車両１０１は、さらに、通常の車両に含まれている所定の一般的なコンポーネント（例えば、エンジン、ホイール、ステアリングホイール、トランスミッション等）が含まれていてもよく、それらのコンポーネントは、車両制御システム１１１及び／又は知覚及び計画システム１１０によって、例えば、加速信号又は命令、減速信号又は命令、ステアリング信号又は命令、ブレーキ信号又は命令等の様々な通信信号及び／又は命令を使用して制御されてもよい。

コンポーネント１１０〜１１５は、インターコネクト、バス、ネットワーク又はそれらの組み合わせを介して、互いに通信可能に結合されてもよい。例えば、コンポーネント１１０〜１１５は、制御器エリアネットワーク（Controller Area Network、ＣＡＮ）バスを介して、互いに通信可能に結合されてもよい。ＣＡＮバスは、マイクロ制御器とデバイスとを、アプリケーション内においてホストコンピュータなしで互いに通信可能にするように設計された、車両バス規格であってもよい。これはメッセージベースのプロトコルであり、元来は自動車内の多重電気配線用に設計されたものであるが、他の多くの状況においても使用されている。

次に図２を参照して、一実施形態では、センサシステム１１５は、以下に限定されないが、１つ以上のカメラ２１１と、全地球測位システム（ＧＰＳ）ユニット２１２と、慣性計測ユニット（ＩＭＵ）２１３と、レーダーユニット２１４と、光検出及び測距（ＬＩＤＡＲ）ユニット２１５とを含む。ＧＰＳシステム２１２は、自律車両の地点に関する情報を提供するように動作可能なトランシーバを含んでいてもよい。ＩＭＵユニット２１３は、慣性加速度に基づいて、自律車両の地点及び向きの変化を感知してもよい。レーダーユニット２１４は、自律車両のローカル環境内のオブジェクトを感知するために無線信号を利用するシステムを表してもよい。いくつかの実施形態では、オブジェクトを感知することに加えて、レーダーユニット２１４は、オブジェクトの速度及び／又は進行方向をさらに感知してもよい。ＬＩＤＡＲユニット２１５は、自律車両が置かれている環境内のオブジェクトを、レーザーを使用して感知してもよい。ＬＩＤＡＲユニット２１５は、他のシステムコンポーネントの中でも、１つ以上のレーザー源、レーザースキャナ及び１つ以上の検出器を含み得る。カメラ２１１は、自律車両を取り巻く環境の画像をキャプチャするための１つ以上のデバイスを含んでいてもよい。カメラ２１１は、スチルカメラ及び／又はビデオカメラであってもよい。カメラは、例えば、回転及び／又は傾斜させた台座にカメラを載置することにより、機械的に移動可能であってもよい。

センサシステム１１５は、さらに、ソナーセンサ、赤外線センサ、ステアリングセンサ、スロットルセンサ、ブレーキセンサ及びオーディオセンサ（例えば、マイク）等の他のセンサを含んでいてもよい。オーディオセンサは、自律車両を取り巻く環境からの音をキャプチャするように構成されてもよい。ステアリングセンサは、ステアリングホイール、車両のホイール又はそれらの組み合わせのステアリング角度を感知するように構成されてもよい。スロットルセンサ及びブレーキセンサは、それぞれ車両のスロットルポジション及びブレーキポジションを感知する。いくつかの状況では、スロットルセンサ及びブレーキセンサは、統合されたスロットル／ブレーキセンサとして統合されてもよい。

一実施形態では、車両制御システム１１１は、以下に限定されないが、ステアリングユニット２０１と、スロットルユニット２０２（加速ユニットとも称される）と、ブレーキユニット２０３とを含む。ステアリングユニット２０１は、車両の方向又は向きを調整するためのものである。スロットルユニット２０２は、モーター又はエンジンの速度を制御し、そして車両の速度及び加速を制御するためのものである。ブレーキユニット２０３は、車両のホイール又はタイヤを減速させる摩擦を提供することにより、車両を減速させるためのものである。

制御システム１１１は、さらに、サブシステム制御器２０５を含んでいてもよい。サブシステム制御器２０５は、ステアリングユニット２０１用の制御器と、スロットルユニット２０２用の制御器と、ブレーキユニット２０３用の制御器とを含み得る。各サブシステム制御器２０５は、１つ以上の制御命令を、ＡＤＶ制御システム１１１から受信する。以下に図３Ｃを参照して説明するように、ＡＤＶ制御システム１１１は、ＡＤＶがＡＤＶ経路の一部をナビゲートするために辿る軌道道程を受信する。制御システム１１１は、該軌道道程に沿ってＡＤＶをナビゲートするために必要なステアリング、ブレーキ及び／又はスロットルの量を決定し得る。次に、制御システム１１１は、１つ以上の命令を、１つ以上の制御サブシステム（ステアリングユニット２０１、スロットルユニット２０２、ブレーキユニット２０３）に対して発行する。ステアリング命令は、角度又はラジアンで表される（例えば、直進から左又は右への）目標ステアリング角の形式であり得る。制御システム１１１からスロットルユニット２０２へのスロットル命令は、例えば、目標速度、加速又はフルスロットルからのパーセンテージであり得る。制御システム１１１からブレーキユニット２０３へのブレーキ命令は、例えば、目標速度、減速率又はフルブレーキからのパーセンテージであり得る。制御システム１１１から制御サブシステム（ステアリングユニット２０１、スロットル２０２、又はブレーキ２０３）への各制御命令は、サブシステム内の制御器によって、制御サブシステムでの物理的動作へと変換され得る。

制御システム１１１から受信された命令の制御サブシステムによる物理的な作動は、即時ではない。物理的な作動のレイテンシ時間は、制御器１１１から命令を発行する時間と、サブシステムの制御器が物理的な作動を開始する命令を出力する時間との差を表している。サブシステム制御器によって命令の実行が開始された後、該命令を実行して制御器１１１によって命令された物理的な目標作動を達成するにあたり、動的遅延が存在する。本明細書に記載のシステム及び方法は、サブシステムの物理的な作動におけるレイテンシ時間及び動的遅延を特徴付ける、各サブシステム制御器についての評価指標を決定する。図３Ｃを参照して、ＡＤＶ制御器からサブシステム制御器への命令の例、及び、その結果得られるサブシステムのレイテンシ時間及び作動の動的挙動について、以下に説明する。

サブシステム制御器２０５は、動的遅延モデル２０６のためのストレージと、例えば、動的モデルのパラメータのためのストレージ２０７とを含み得る。

サブシステム制御器２０５は、ＡＤＶ制御器１１１と統合されてもよく、サードパーティのスタンドアロンのサブシステム制御器と同様のものであってもよい。実際には、サブシステム制御器は、多くの場合、ＡＤＶ制御システムがプログラミングインタフェースを介してサブシステム制御器と通信するようなサードパーティの制御器であり、命令がどのように制御サブシステムによって実行及び作動されるかについての詳細は、ＡＤＶ制御器設計者にとって「ブラックボックス」である。本明細書で説明するように、サブシステムのレイテンシ時間及び作動の動的遅延を識別することにより、ＡＤＶ制御器の設計者は、レイテンシ時間及び作動の動的遅延が存在する原因又は理由を知る必要なく、制御サブシステムのレイテンシ時間及び作動の動的遅延を考慮した、改善されたＡＤＶ制御器（又は、サブシステムアドオン制御器）を生成することが可能になる。制御サブシステムのレイテンシ時間及び作動の動的遅延は、急ブレーキ、加速又はステアリングを必要とする運転の状況において、特に重要である。なお、図２に示すコンポーネントは、ハードウェア、ソフトウェア又はそれらの組み合わせにて実装されてもよい。

図１に戻って参照すると、無線通信システム１１２は、自律車両１０１と、デバイス、センサ、他の車両等の外部システムとの間の通信を可能にするものである。例えば、無線通信システム１１２は、１つ以上のデバイスと直接又は通信ネットワークを介して（例えば、サーバ１０３〜１０４とネットワーク１０２を介して）無線通信し得る。無線通信システム１１２は、例えば、ＷｉＦｉを使用して別のコンポーネント又はシステムと通信する、任意のセルラー通信ネットワーク又は無線ローカルエリアネットワーク（ＷＬＡＮ）を使用し得る。無線通信システム１１２は、例えば赤外線リンク、Ｂｌｕｅｔｏｏｔｈ等を使用して、デバイス（例えば、乗客のモバイルデバイス、ディスプレイデバイス、車両１０１内のスピーカ）と直接通信し得る。ユーザインタフェースシステム１１３は、車両１０１内に実装された周辺デバイスの一部であってもよく、そのような周辺デバイスには、例えば、キーボード、タッチスクリーンディスプレイデバイス、マイク及びスピーカ等が含まれる。

自律車両１０１の一部又は全部の機能は、特に自律運転モードで動作している際において、知覚及び計画システム１１０によって制御又は管理されてもよい。知覚及び計画システム１１０は、センサシステム１１５、制御システム１１１、無線通信システム１１２及び／又はユーザインタフェースシステム１１３から情報を受信し、受信した情報を処理し、出発位置から目的位置までの経路又は道程を計画し、そして計画及び制御情報に基づいて車両１０１を運転するために必要なハードウェア（例えば、プロセッサ、メモリ、ストレージ）及びソフトウェア（例えば、オペレーティングシステム、計画及び経路指定プログラム）を含む。あるいは、知覚及び計画システム１１０は、車両制御システム１１１と統合されてもよい。

例えば、乗客としてのユーザは、移動の出発地及び目的地を（例えば、ユーザインタフェースを介して）指定してもよい。知覚及び計画システム１１０は、該移動に関連するデータを取得する。例えば、知覚及び計画システム１１０は、ＭＰＯＩサーバから位置情報及び経路情報を取得してもよく、このＭＰＯＩサーバは、サーバ１０３〜１０４の一部であってもよい。位置サーバは、位置サービスを提供し、ＭＰＯＩサーバは、地図サービス及び所定の位置のＰＯＩを提供する。あるいは、そのような位置情報及びＭＰＯＩ情報は、知覚及び計画システム１１０の永続ストレージデバイス内にローカルにキャッシュされてもよい。

自律車両１０１が経路に沿って移動している間、知覚及び計画システム１１０はまた、交通情報システム又はサーバ（ＴＩＳ）からリアルタイムの交通情報を取得してもよい。なお、サーバ１０３〜１０４は、サードパーティエンティティによって操作されてもよい。あるいは、サーバ１０３〜１０４の機能は、知覚及び計画システム１１０と統合されてもよい。リアルタイムの交通情報、ＭＰＯＩ情報及び位置情報、並びに、センサシステム１１５によって検出又は感知されたリアルタイムのローカル環境データ（例えば、障害物、物体、近くの車両）に基づいて、知覚及び計画システム１１０は、指定された目的地に安全かつ効率的に到達するために計画された経路に従って、最適な経路を計画し得ると共に車両１０１を（例えば、制御システム１１１を介して）運転し得る。

自律運転車両（ＡＤＶ）１０１は、サブシステム（例えば、センサシステム１１５、制御システム１１１及び知覚及び計画システム１１０）からデータをキャプチャする運転記録を生成及びロギングし得る。この運転記録は、データコレクタ１２１によるストレージのためのサーバ（例えば、サーバ１０３）へとアップロードされ得る。（例えば、サーバ１０３アルゴリズム及びモデル１２４内に格納された）クロスプラットフォームの制御プロファイリングシステムは、多数のＡＤＶ及びシミュレートされたＡＤＶからの運転記録を分析して、運転を生成し得る。

サーバ１０３は、様々なクライアントのためのデータ分析サービスを実行するためのデータ分析システムであってもよい。一実施形態では、データ分析システム１０３は、データコレクタ１２１及び機械学習エンジン１２２を含む。データコレクタ１２１は、様々な車両（自律車両、又は人の運転者が運転する通常の車両）から、運転統計１２３を収集する。運転統計１２３は、発行された運転命令（例えば、スロットル命令、ブレーキ命令、ステアリング命令）と、車両のセンサによって種々異なる時点にキャプチャされた車両の応答（例えば、速度、加速、減速、方向）とを示す情報を含む。運転統計１２３は、さらに、種々異なる時点における運転環境を説明する情報、例えば、経路（出発地及び目的地の位置を含む）、ＭＰＯＩ、道路状況、気象条件等を含み得る。

運転統計１２３に基づいて、機械学習エンジン１２２は、ルール、アルゴリズム及び／又は予測モデル１２４のセットを、様々な目的で生成又は訓練する。一実施形態では、アルゴリズム１２４は、ＡＤＶ運転データ及びシミュレートされたＡＤＶ運転データを使用して、ＡＤＶの自律運転制御システムの性能を特徴付ける標準化された統計（又は、評価指標）１２３のセットを生成するクロスプラットフォーム制御プロファイリングシステムを含んでいてもよい（「クロスプラットフォーム」とは、実際のＡＤＶ運転記録とシミュレートされたＡＤＶ運転記録との両方を意味する）。生の運転データ記録は、指定された時間に又は手動で、ＡＤＶから日付コレクタ１２１へとアップロードされる。シミュレートされたＡＤＶ運転データもまた、データコレクタ１２１へとアップロードされる。アルゴリズム１２４は、ＡＤＶ制御システムの性能を特徴付ける標準化された評価指標のセットを生成するために使用される。該評価指標は運転統計１２３内に格納されて、設計エンジニア等の登録ユーザに配布される。

図３Ａ及び３Ｂは、一実施形態に係る、自律車両で使用される知覚及び計画システムの例を示すブロック図である。システム３００は、図１の自律車両１０１の一部として実装されてもよく、以下に限定されないが、知覚及び計画システム１１０と、制御システム１１１と、センサシステム１１５とを含む。図３Ａ〜３Ｂを参照して、知覚及び計画システム１１０は、以下に限定されないが、位置特定モジュール３０１と、知覚モジュール３０２と、予測モジュール３０３と、決定モジュール３０４と、計画モジュール３０５と、制御モジュール３０６と、経路指定モジュール３０７と、運転ロガー３０８とを含む。

モジュール３０１〜３０８の一部又は全部は、ソフトウェア、ハードウェア又はそれらの組み合わせにおいて実装されてもよい。例えば、これらのモジュールは、永続ストレージデバイス３５２内にインストールされ、メモリ３５１内にロードされ、１つ以上のプロセッサ（図示せず）によって実行されてもよい。なお、これらのモジュールの一部又は全部は、図２の車両制御システム１１１の一部又は全部のモジュールに通信可能に結合又は統合されてもよい。モジュール３０１〜３０８のうちのいくつかは、統合モジュールとして併せて統合されてもよい。

位置特定モジュール３０１は、（例えば、ＧＰＳユニット２１２を活用して）自律車両３００の現在の位置を特定し、ユーザの移動（trip）又は経路に関連する任意のデータを管理する。位置特定モジュール３０１（地図及び経路（map and route）モジュールとも称される）は、ユーザの移動又は経路に関連する任意のデータを管理する。ユーザは、（例えば、ユーザインタフェースを介して）ログインして、移動の出発地及び目的地を指定してもよい。位置特定モジュール３０１は、自律車両３００の他のコンポーネント、例えば、地図及び経路情報３１１と通信して、移動に関連するデータを取得してもよい。例えば、位置特定モジュール３０１は、位置及び経路情報を、位置サーバ、並びに、地図及びＰＯＩ（ＭＰＯＩ）サーバから取得してもよい。位置サーバは、位置サービスを提供し、ＭＰＯＩサーバは、地図サービス及び所定の位置のＰＯＩを提供し、それらは地図及び経路情報３１１の一部としてキャッシュされてもよい。自律車両３００が経路に沿って移動している間、位置特定モジュール３０１はまた、リアルタイムの交通情報を、交通情報システム又はサーバから取得してもよい。

センサシステム１１５によって提供されるセンサデータ、及び、位置特定モジュール３０１によって取得される位置特定情報に基づいて、周囲環境の知覚は、知覚モジュール３０２によって決定される。知覚情報は、通常の運転者が知覚する、運転者が運転している車両を取り巻くものを表してもよい。該知覚は、車線構成、信号機の信号、別の車両の相対位置、歩行者、建物、横断歩道又はその他の交通関連の標識（例えば、一時停止標識、道を譲れ標識（yield sign））等を、（例えば、オブジェクトの形式で）含み得る。車線構成は、１つ又は複数の車線を説明する情報を含み、例えば、車線の形状（例えば、直線又はカーブ）、車線の幅、道路内の車線数、一方通行車線又は対面通行車線、合流車線又は分流車線、出口車線等を含む。

知覚モジュール３０２は、自律車両の環境内におけるオブジェクト及び／又は特徴を識別するために、１つ以上のカメラによってキャプチャされた画像を処理及び分析するコンピュータビジョンシステム又はコンピュータビジョンシステムの機能を含んでいてもよい。これらのオブジェクトは、交通信号、道路の境界、他の車両、歩行者及び／又は障害物等を含み得る。コンピュータビジョンシステムは、オブジェクト認識アルゴリズム、ビデオ追跡及び他のコンピュータビジョン技術を使用してもよい。いくつかの実施形態では、コンピュータビジョンシステムは、環境のマッピング、オブジェクトの追跡、オブジェクトの速度の推定等を行い得る。知覚モジュール３０２はまた、レーダー及び／又はＬＩＤＡＲ等の他のセンサによって提供される他のセンサデータに基づいて、オブジェクトを検出し得る。

各オブジェクトについて、予測モジュール３０３は、該オブジェクトがその状況でどのように動作するかを予測する。この予測は、地図／経路情報３１１及び交通ルール３１２のセットを考慮して、運転環境をある時点にて知覚する知覚データに基づいて実行される。例えば、オブジェクトが対向方向の車両であり、現在の運転環境に交差点が含まれている場合、予測モジュール３０３は、該車両が直進する可能性が高いか曲がる可能性が高いかについて予測する。交差点に信号がないことを知覚データが示している場合、予測モジュール３０３は、該車両は交差点に入る前に完全に停止しなければならない可能性があると予測してもよい。該車両が現在左折専用車線又は右折専用車線にあることを知覚データが示している場合、予測モジュール３０３は、該車両はそれぞれ左折又は右折する可能性がより高いと予測してもよい。

各オブジェクトについて、決定モジュール３０４は、該オブジェクトの取り扱い方法に関する決定を行う。例えば、特定のオブジェクト（例えば、横断経路内の別の車両）及び該オブジェクトを説明するメタデータ（例えば、速度、方向、旋回角度）について、決定モジュール３０４は、どのように該オブジェクトと遭遇するか（例えば、追い越す、道を譲る、停止する、通過する）を決定する。決定モジュール３０４は、そのような決定を交通規則又は運転規則３１２等の規則のセットに従って行ってもよく、その交通規則又は運転規則３１２は、永続ストレージデバイス３５２内に格納されていてもよい。永続ストレージデバイス３５２は、さらに、ＡＤＶ制御器／更新３１４のためのストレージを含んでいてもよい。

ＡＤＶ制御器／更新３１４は、ＡＤＶ制御器３１４に対する更新、及び／又は、上記にて図２を参照して説明された１つ以上のサブシステム制御器２０５に対する更新を含み得る。ＡＤＶ制御器／更新３１４は、多数のＡＤＶからクラウドソーシングされた運転ログ３１３の運転記録を使用して、（例えば、サーバ１０３又は１０４によって）生成され得る。運転ログ３１３の運転記録は、ＡＤＶ１０１からサーバ１０３又は１０４へとアップロードされ得る。サーバ１０３又は１０４は、以下の図５，６，７Ａ及び７Ｂを参照して説明されるように、各制御サブシステム（スロットル、ブレーキ、ステアリング）のレイテンシ時間及び作動の動的遅延を識別するために、運転ログ３１３を処理し得る。

経路指定モジュール３０７は、出発地から目的地までの１つ以上の経路又は道程を提供するように構成される。（例えば、ユーザから受信した）出発位置から目的位置までの所与の移動について、経路指定モジュール３０７は経路及び地図情報３１１を取得し、出発位置から目的位置まで到達するための全ての可能な経路又は道程を決定する。経路指定モジュール３０７は、出発位置から目的位置まで到達するために経路指定モジュール３０７が決定する各経路について、参照線を地形図の形式で生成してもよい。参照線とは、他の車両、障害物、交通状況等の他からの干渉のない理想的な経路又は道程をいう。すなわち、他の車両、歩行者又は障害物が道路上にない場合、ＡＤＶは、該参照線を正確に又は近接して辿ることになる。次に、地形図が、決定モジュール３０４及び／又は計画モジュール３０５へと提供される。決定モジュール３０４及び／又は計画モジュール３０５は、他のモジュールによって提供される他のデータ、例えば、位置特定モジュール３０１からの交通状況、知覚モジュール３０２によって知覚された運転環境、及び、予測モジュール３０３によって予測された交通状況等を考慮して、全ての可能な経路を調査して、最適となる経路の１つを選択及び修正する。ＡＤＶを制御するための実際の道程又は経路は、その時点での特定の運転環境に応じて、経路指定モジュール３０７によって提供される参照線に近接していてもよく、該参照線からかけ離れていてもよい。

知覚された各オブジェクトの決定に基づいて、計画モジュール３０５は、経路指定モジュール３０７によって提供される参照線を基礎として使用して、自律車両のための道程又は経路、及び、運転パラメータ（例えば、距離、速度及び／又は旋回角度）を計画する。すなわち、所与のオブジェクトについて、決定モジュール３０４は、該オブジェクトに対して何を行うかを決定し、計画モジュール３０５は、それをどのようにして行うかを決定する。例えば、所与のオブジェクトについて、決定モジュール３０４は、オブジェクトを通過することを決定してもよく、計画モジュール３０５は、該オブジェクトの左側又は右側のどちらを通過するかを決定してもよい。計画モジュール３０５によって、車両３００が次の移動サイクル（例えば、次の経路／道程セグメント）でどのように移動するかを説明する情報を含む計画及び制御データが生成される。例えば、計画及び制御のデータは、車両３００に対し、時速３０マイル（ｍｐｈ）の速度で１０メートル移動した後、２５ｍｐｈの速度で右車線に変更するよう指示してもよい。

計画及び制御データに基づいて、制御モジュール３０６は、該計画及び制御データによって定義された経路又は道程に従って適切な命令又は信号を車両制御システム１１１に送信することにより、自律車両を制御及び運転する。計画及び制御データは、道程又は経路に沿った種々異なる時点において適切な車両設定又は運転パラメータ（例えば、スロットル命令、ブレーキ命令、ステアリング命令）を使用して経路又は道程の第１の点から第２の点まで車両を運転するのに十分な情報を含む。

一実施形態では、計画フェーズは、複数の計画サイクルで実行される。これらの計画サイクルは、運転サイクルとも称され、例えば、１００ミリ秒（ｍｓ）の時間間隔ごと等である。各計画サイクル又は各運転サイクルについて、１つ以上の制御命令が、計画及び制御データに基づいて発行される。すなわち、１００ｍｓごとに、計画モジュール３０５は、次の経路セグメント又は道程セグメントを計画し、これには例えば、目標地点及び該目標地点に到達するのにＡＤＶにとって必要な時間が含まれる。あるいは、計画モジュール３０５は、さらに、特定の速度、方向及び／又はステアリング角等を指定してもよい。一実施形態では、計画モジュール３０５は、次の所定の期間（例えば、５秒）についての経路セグメント又は道程セグメントを計画する。各計画サイクルについて、計画モジュール３０５は、前のサイクルで計画された目標地点に基づいて、現在のサイクル（次の５秒など）についての目標地点を計画する。制御モジュール３０６は、次に、現在のサイクルの計画及び制御データに基づいて、１つ以上の制御命令（例えば、スロットル制御命令、ブレーキ制御命令、ステアリング制御命令）を生成する。

なお、決定モジュール３０４と計画モジュール３０５とは、統合モジュールとして統合されてもよい。決定モジュール３０４／計画モジュール３０５は、ナビゲーションシステム又はナビゲーションシステムの機能を含んでいてもよく、それによって自律車両の運転道程を決定してもよい。例えば、ナビゲーションシステムは、最終的な目的地に通じる道路ベースの道程に沿って概ね自律車両を進めつつ、知覚された障害物を実質的に回避する道程に沿った自律車両の動きに影響を与える一連の速度及び向き方向を決定してもよい。該目的地は、ユーザインタフェースシステム１１３を介したユーザ入力に従って設定されてもよい。ナビゲーションシステムは、自律車両の動作中に運転道程を動的に更新してもよい。ナビゲーションシステムは、ＧＰＳシステム及び１つ以上のマップからのデータを組み込むことができ、それによって自律車両の運転経路を決定し得る。

運転ロガー３０８は、ＡＤＶ制御システムの少なくとも以下の３つのデータチャネルからの運転記録を記録する：制御チャネル、シャーシチャネル及び位置特定チャネル。制御チャネルは、ブレーキ、スロットル、ステアリング等、ＡＤＶのシステムを制御するための制御命令に関する情報を生成する。シャーシチャネルは、加速度計等の様々なセンサからの情報と、ブレーキシステム、スロットルシステム及びステアリングシステムの実際の位置又は作動の読み取り値とを生成する。位置特定チャネルは、高解像度（ＨＤ）地図及び全地球測位衛星（ＧＰＳ）システム等の標準参照を参照して、ＡＤＶの実際の位置及び向きに関する情報を生成する。データ記録は、約１００フレーム／秒（ｆｐｓ）、すなわち約１０ミリ秒（ｍｓ）／フレームで記録され得る。各運転記録は、タイムスタンプを有する。タイムスタンプは、開始時間（例えば、運転経路の開始時点）を基準としたｈｈ：ｍｍ：ｓｓ：ｍｓ（時間、分、秒、ミリ秒）の形式の絶対タイムスタンプであり得る。一実施形態では、該タイムスタンプは、開始時間（例えば、運転経路の開始時点）を基準としたフレーム番号であり得る。一実施形態では、各運転記録は、タイムスタンプに加えて、日付スタンプをさらに有し得る。データロガー３０８は、シミュレートされたＡＤＶ運転セッション及び実際のＡＤＶ運転セッションの運転記録をロギングし得る。

データロガー３０８は、運転記録を、運転ログストレージ３１３等の不揮発性ストレージに書き込み得る。運転ログ３１３は、ＡＤＶ制御器の性能を評価する標準化された性能評価指標のセットを生成するために、サーバシステム（例えば、サーバ１０３〜１０４）にアップロードされ得る。ＡＤＶ制御器は、標準化された評価指標のセットを使用して更新され得、更新されたＡＤＶ制御器は、不揮発性ストレージ３１４内に格納され得る。

図３Ｂに示すように、データロガー３０８はまた、運転記録を計画モジュールから受信し得る。計画モジュール運転記録は、計画された運転条件と実際の（又は、シミュレートされた）運転条件とを比較し、それによってＡＤＶ制御器の性能を評価するために使用され得る。

図３Ｃは、一実施形態に係る、ＡＤＶ制御命令及び該制御命令に対する自律車両制御サブシステム作動の動作応答の例を示す。仮想例となる制御命令３５０は、ステップ関数として示されている。実際、制御入力は、典型的にはステップ関数ではない。しかしながら、この制御入力は、本明細書にて説明される概念をよく例示している。制御命令３５０は、レイテンシ時間３５５を有する。レイテンシ時間は、ＡＤＶ制御システム１１１によって、ＡＤＶ制御サブシステム（例えば、スロットル、ステアリング、ブレーキ）に対して与えられる制御入力と、該制御入力に応じた制御サブシステムの作動の開始との間の時間である。

制御命令３５０は、サブシステム作動３５２に渡される前に、ローパスフィルタ３５１を通され得る。ＡＤＶは「ドライブバイワイヤ」であり、これは、制御サブシステム作動が、制御命令の送信を介して行われることを意味する。実際、制御サブシステム作動装置は、多くの場合サードパーティによって提供され、彼らはＡＤＶ又はＡＤＶ制御器の設計者とは異なる。したがって、ＡＤＶ又はＡＤＶ制御器の設計者は、立ち上がり時間３５６、オーバーシュート３５７及び立ち上がり時間３５６等の作動遅延があることを認識しているが、ＡＤＶ又はＡＤＶ制御器の設計者は、作動遅延の正確な要因を知らない。ＡＤＶの設計者又はＡＤＶ制御器の設計者にとって、制御サブシステム作動装置は、入力制御命令に関連して作動遅延のある、単なる「ブラックボックス」である。本明細書で説明するシステム及び方法は、作動遅延及びレイテンシ時間を識別及び定量化することができ、それによって、ＡＤＶの設計者又はＡＤＶ制御器の設計者が、改善されたＡＤＶ制御器及び／又はサブシステム制御器アドオンにおける作動遅延及びレイテンシ時間を考慮できるようになる。

図３Ｄは、一実施形態に係る、自律車両で使用されるようなステアリング制御サブシステム及び動的挙動のソースを示す。

ステアリング制御サブシステム３６０は、ＡＤＶ１０１の制御サブシステムの一例である。ＡＤＶにおけるステアリングサブシステムは、典型的には、制御命令（例えば、制御命令３５０）を受信して、該制御命令を物理的及び電子的手段を介して実行する「ドライブバイワイヤ」システムである。ステアリング制御サブシステム３６０は、ベルトドライブ３６１と、ハンドホイールフィードバックモーター３６３と、ハンドホイール角度センサ３６２と、ステアリング作動装置３６４と、ピニオン角度センサと、タイヤとを含み得る。ステアリング作動装置３６４（と、例えばタイヤと）は、作動の動的遅延の要因を導入することがある。

図４は、一実施形態に係る、自律運転のシステムアーキテクチャを示すブロック図である。システムアーキテクチャ４００は、図３Ａ及び図３Ｂに示すような自律運転システムのシステムアーキテクチャを表し得る。図４を参照して、システムアーキテクチャ４００は、以下に限定されないが、アプリケーション層４０１と、計画及び制御（ＰＮＣ）層４０２と、知覚層４０３と、ドライバ層４０４と、ファームウェア層４０５と、ハードウェア層４０６とを含む。アプリケーション層４０１は、自律運転車両のユーザ又は乗客と対話するユーザインタフェース又は構成アプリケーション（例えば、ユーザインタフェースシステム１１３に関連する機能等）を含んでいてもよい。ＰＮＣ層４０２は、少なくとも計画モジュール３０５及び制御モジュール３０６の機能を含み得る。知覚層４０３は、少なくとも知覚モジュール３０２の機能を含み得る。一実施形態では、予測モジュール３０３及び／又は決定モジュール３０４の機能を含む追加の層が存在する。あるいは、そのような機能は、ＰＮＣ層４０２及び／又は知覚層４０３に含まれていてもよい。システムアーキテクチャ４００は、ドライバ層４０４と、ファームウェア層４０５と、ハードウェア層４０６とをさらに含む。ファームウェア層４０５は、少なくともセンサシステム１１５の機能を表してもよく、このセンサシステム１１５は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）の形式で実装されてもよい。ハードウェア層４０６は、制御システム１１１等の自律運転車両のハードウェアを表してもよい。層４０１〜４０３は、デバイスドライバ層４０４を介して、ファームウェア層４０５及びハードウェア層４０６と通信し得る。

図５は、一実施形態に係る、自律車両制御器の改善に使用するための、自律運転車両の制御サブシステムの作動の動的遅延を説明する評価指標を推定する動的パラメトリック推定システム５００及び方法を示すブロック図である。制御サブシステムは、自律運転車両（ＡＤＶ）のブレーキ、スロットル及びステアリングシステムを含み得る。システム及び方法５００の目的は、制御サブシステムの作動における動的遅延（例えば、スロットル、ブレーキ、及びステアリング）を説明する複数の評価指標を決定することである。連続時間動的システムの時間領域においては、評価指標は、レイテンシ時間（Ｔ_ｌ）、立ち上がり時間（Ｔ_ｒ）、整定時間（Ｔ_ｓ）及びオーバーシュート（Ｍ_ｐ）を含み得る。連続時間動的システムの周波数領域においては、評価指標は、サブシステムの制御器の動的帯域幅（ω_ｂ）及び共振ピーク（Ｍ_ｒ）を含み得る。これらの評価指標は、ＡＤＶ制御器又はＡＤＶ制御サブシステム制御器を生成するために、あるいは、既存のＡＤＶ制御器又はＡＤＶ制御サブシステム制御器を改善するために使用される。該方法及びシステムは、複数の制御サブシステム（例えば、スロットル、ブレーキ及びステアリング）のそれぞれについて、ＡＤＶの制御サブシステムに起因する作動遅延及びレイテンシ時間をモデル化する動的モデルの生成を含み得る。該動的モデルは複数のパラメータを有しており、これらのパラメータは、該動的モデルに適用された際に、該動的モデルによって説明される制御サブシステムにおける作動遅延及びレイテンシ時間についての最良の推定を提供する。一実施形態では、ブレーキ／スロットル作動動的モデルのパラメータは、ステアリング作動動的モデルのパラメータとは異なる。

操作５０１では、スロットル／ブレーキ及びステアリングの車両作動動的モデルが、ａ_１、ａ_２、ｂ_１及びｂ_２の４つのパラメータを有する各作動動的モデルによって、後述のように表され得る。スロットル／ブレーキの作動動的モデルのパラメータは、ステアリングの作動動的モデルのパラメータとは異なり得る。

周波数領域における縦方向のスロットル／ブレーキの二次の離散時間の動的挙動モデルは、以下のように表され得る：

ここで、
ａｃｃ_desiredは、ＡＤＶ制御器から所望の加速（又は減速）命令であり、
ａｃｃ_measuredは、スロットル及び／又はブレーキ制御サブシステムからの測定された加速又は減速であり、
ａ_１、ａ_２、ｂ_１及びｂ_２は、二次の動的モデルのパラメータである。

周波数領域における横方向のステアリングの二次の離散時間の動的挙動モデルは、以下のように表され得る：

ここで、
θ_desiredは、ＡＤＶ制御器からの所望のステアリング角であり、
θ_measuredは、シャーシチャネルからの測定されたフィードバックステアリング角であり、
ａ_１、ａ_２、ｂ_１及びｂ_２は、二次の動的モデルのパラメータである。

操作５０２では、動的パラメータ推定シンボルが定式化される。

スロットル制御サブシステムを例として使用し、以下のように仮定する：
（１）スロットル制御サブシステムの出力：

（２）スロットル制御サブシステムの入力：

（３）システムの誤差：

動的モデル、例えば、スロットル／ブレーキサブシステム作動動的モデルのオブジェクトは、以下の通りである：
（１）最小二乗形式においてシステム誤差ｅ（ｋ）を最小にする動的パラメータセット

を推定する。
（２）該パラメータセット

に基づいて、スロットル／ブレーキサブシステムの帯域幅ω_b-th及びスロットル／ブレーキサブシステムの共振ピークＭ_r-thを推定する。

操作５０３では、制御サブシステム（例えば、スロットル、ブレーキ及びステアリング）の入力−出力関係におけるレイテンシ時間効果が、作動動力学モデルのパラメータ推定器へと導入される。例えば、スロットルについては、スロットルレイテンシ時間

が存在するため、元のシステム出力ｙ（ｋ）は、時間補償されたシステム出力

に置き換えられる。

操作５０４では、１つの制御サブシステム（例えば、スロットル、ブレーキ、又はステアリング）についての動的モデルパラメータ推定器の設計及び解決策が説明される。単一の運転状況、例えば、ＡＤＶによるS字カーブナビゲーションについて仮定すると、このＳ字カーブについての合計データフレームの数は、Ｎである。作動動的モデルパラメータの最良の推定は、以下のように取得される：

既存の格納されている、クラウドソーシングされた運転データから、長さＮの出力及び入力のセットは、以下の通りである：

推定器行列は、出力行列

として定義され得る。

誤差行列ε（Ｎ，π）は、以下のように定義され得る：

自己回帰移動平均モデル（ＡＲＭＡ）の状態行列Φ（Ｎ）は、以下のように定義され得る：

ここで、Φ（Ｎ）は、４列Ｎ−２＋１行の行列であり、

である。

上記の項を使用して、拡張された動的システムは、以下のように書き直され得る：

最小二乗法を使用して、動的パラメータセットの最良の推定は、以下のように表され得る：

操作５０５では、元の離散時間動的モデル（各制御サブシステムにつき１つ）が、連続時間システムへと変換され得る。上記の操作５０４において取得されたパラメータａ_１、ａ_２、ｂ_１及びｂ_２を使用して、スロットル／ブレーキ制御サブシステムについては、ｚ領域において、以下のようになる：

ここで、
ａｃｃ_desiredは、ＡＤＶ制御器からの所望の加速（又は減速）命令であり、
ａｃｃ_measuredは、スロットル及び／又はブレーキ制御サブシステムから測定された加速（又は減速）であり、
ａ_１、ａ_２、ｂ_１及びｂ_２は、二次の動的モデルのパラメータである。

Tustin推定法（当技術分野で既知）を用いると、以下のようになる：

この式を上記のｚ領域の動的挙動モデル（１）に代入すると、連続時間動的モデル（ｓ領域）は、以下のようになる：

図６は、制御サブシステムの作動装置（例えば、スロットル、ブレーキ又はステアリング）における動的遅延及びレイテンシ時間を識別する方法６００を示す。制御サブシステムの動的遅延を識別することによって、追加のサブシステム固有の制御器の開発や、ＡＤＶ制御器の拡張が可能になり、それによって、ＡＤＶの制御サブシステムを作動させる際の動的遅延及びレイテンシ時間を考慮できるようになる。追加のサブシステム固有の制御器又は拡張されたＡＤＶ制御器は、制御サブシステムの二次の作動動的挙動を考慮することによって、ＡＤＶの計画された軌道をより正確かつスムーズに辿ることができる。

操作６０１では、１つ以上の自律運転車両（ＡＤＶ）の制御サブシステム（例えば、スロットル、ブレーキ、ステアリング）のそれぞれについて、複数のパラメータを有する離散時間動的モデルが、周波数領域において生成される。周波数領域における離散時間動的モデルの生成については、上記にて図５を参照して詳細に説明されている。

操作６０２では、識別された運転状況についてのクラウドソーシングされたＡＤＶ運転データを使用して、動的モデルの複数のパラメータを推定する推定器が生成される。続いて、これらの複数のパラメータが、該推定器及びクラウドソーシングされたＡＤＶ運転データを使用して推定される。

操作６０３では、ＡＤＶ制御サブシステムの操作の帯域幅及び共振ピークを表す評価指標が、推定されたパラメータ及びクラウドソーシングされたデータを備えた動的モデルを使用して決定される。

操作６０４では、動的モデルが離散時間システムから連続時間システムへと変換される。連続時間システムでは、ＡＤＶ制御サブシステムについての立ち上がり時間、オーバーシュート及び整定時間を表す評価指標が、連続時間動的モデルを使用して決定される。

操作６０５では、サブシステム制御器ロジックが１つ以上のＡＤＶに配布され、該ロジックは、サブシステム作動装置の動的遅延及びレイテンシ時間を考慮して、少なくとも部分的に上記の評価指標に基づくものである。次に、該１つ以上のＡＤＶが、このサブシステム制御器ロジックを使用してナビゲートされる。一実施形態では、サブシステム制御器ロジックは、ＡＤＶ制御器に追加されて該ＡＤＶ制御器とインタフェースする別の制御器において実施される。

図７Ａ及び７Ｂは、一実施形態に係る、自律車両の制御サブシステムにおける作動の動的遅延及びレイテンシ時間を識別する方法７００を示すブロック図である。制御サブシステムの動的遅延を識別することによって、追加のサブシステム固有の制御器の開発や、ＡＤＶ制御器の拡張が可能になり、それによって、ＡＤＶの制御サブシステムを作動させる際の動的遅延及びレイテンシ時間を考慮できるようになる。追加のサブシステム固有の制御器又は拡張されたＡＤＶ制御器は、制御サブシステムの二次の作動動的挙動を考慮することによって、ＡＤＶの計画された軌道をより正確かつスムーズに辿ることができる。

ここで図７Ａを参照して、操作７０１では、システムは、多数のＡＤＶ運転記録から、運転記録を抽出する。一実施形態では、これらの運転記録は、特定のテスト運転状況によって生成された運転データではなく、汎用運転記録のデータベースから抽出される。運転記録は、特定のＡＤＶタイプ（例えば、トヨタプリウス、ミニバン、ホンダアコードなど）、特定のＡＤＶ制御器タイプ（モデル予測制御器、線形直交レギュレータ）又は特定の運転状況のうちいずれか又は全てについて選択され得る。

操作７０２では、１つ以上の自律運転車両（ＡＤＶ）の制御サブシステム（例えば、スロットル、ブレーキ、ステアリング）のそれぞれについて、複数のパラメータを有する離散時間動的モデルが、周波数領域において生成される。周波数領域における離散時間動的モデルの生成については、上記にて図５を参照して詳細に説明されている。

操作７０３では、レイテンシ時間項が、周波数領域において離散時間動的モデル内に導入され得る。レイテンシ時間項は、ＡＤＶ制御サブシステム（例えば、スロットル、ステアリング、ブレーキ）に与えられたＡＤＶ制御システムからの制御入力と、制御入力に応答した、制御サブシステムの作動の開始との関係を考慮する。

操作７０４では、識別された運転状況についてのクラウドソーシングされたＡＤＶ運転データを使用して、動的モデルの複数のパラメータを推定する推定器が生成される。続いて、これらの複数のパラメータが、該推定器及びクラウドソーシングされたＡＤＶ運転データを使用して推定される。

操作７０５では、ＡＤＶ制御サブシステムの操作の帯域幅及び共振ピークを表す評価指標が、推定されたパラメータ及びクラウドソーシングされたデータを備えた離散時間動的モデルを使用して推定される。

ここで操作７０６を参照して、自然周波数及び減衰比が、離散時間動的モデル及び推定されたパラメータを使用して決定される。

操作７０７では、動的モデルが離散時間システムから連続時間システムへと変換される。連続時間システムでは、ＡＤＶ制御サブシステムについての立ち上がり時間、オーバーシュート及び整定時間を表す評価指標が、連続時間動的モデルを使用して決定される。

操作７０８では、サブシステム制御器ロジックが１つ以上のＡＤＶに配布され、該ロジックは、サブシステム作動装置の動的遅延及びレイテンシ時間を考慮して、少なくとも部分的に上記の評価指標に基づくものである。次に、該１つ以上のＡＤＶが、このサブシステム制御器ロジックを使用してナビゲートされる。一実施形態では、サブシステム制御器ロジックは、ＡＤＶ制御器に追加されて該ＡＤＶ制御器とインタフェースする別の制御器において実施される。方法７００は終了する。

なお、上記にて示され、かつ、説明されたコンポーネントの一部又は全部は、ソフトウェア、ハードウェア又はそれらの組み合わせにおいて実装されてもよい。例えば、そのようなコンポーネントは、永続ストレージデバイス内にインストール及び格納されるソフトウェアとして実装され得、該ソフトウェアは、プロセッサ（図示しない）によってメモリ内にロード及び実行されることによって、本出願全体を通して説明されるプロセス又は操作を実行し得る。あるいは、そのようなコンポーネントは、集積回路（例えば、特定用途向けＩＣ又はＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）等の専用ハードウェアにプログラムされた又は埋め込まれた実行可能コードとして実装され得、対応するドライバ及び／又はオペレーティングシステムを介して、アプリケーションからアクセスされ得る。さらに、そのようなコンポーネントは、プロセッサ又はプロセッサコアの特定のハードウェアロジックとして、ソフトウェアコンポーネントによって１つ以上の特定の命令を介してアクセス可能な命令セットの一部として実装され得る。

前述の詳細な説明の一部は、コンピュータメモリ内のデータビットの操作についてのアルゴリズム及び記号表現の観点から表されている。これらのアルゴリズムの説明及び表現は、データ処理技術分野における当業者が、自身の作業内容を他の当業者に対して最も効果的に伝えるために使用される方法である。アルゴリズムは本出願に示されており、概して、所望の結果が得られる自己無撞着な一連の操作であると考えられる。これらの操作は、物理量の物理的な操作を必要とするものである。

しかしながら、それらの用語及び同様の用語の全ては、適切な物理量に関連付けられ、これらの物理量に付与される便利なラベルに過ぎないことに留意されたい。上記の議論から明らかであると特に明記されていない限り、該説明の全体を通して、以下の特許請求の範囲に記載されるもの等の用語を用いた議論は、コンピュータシステムのレジスタ及びメモリ内の物理（電子）量として表されるデータを操作して、コンピュータシステムのメモリ若しくはレジスタ内の物理量として、若しくは、他のそのような情報のストレージデバイス、伝送デバイス又は表示デバイス内の物理量として、同様に表される他のデータへと変換するコンピュータシステム、又は、同様の電子コンピューティングデバイスの動作及びプロセスに言及することが理解される。

本開示の実施形態はまた、本明細書の操作を実行するための装置にも関する。そのようなコンピュータプログラムは、非一時的なコンピュータ可読媒体内に格納される。機械可読媒体は、機械（例えば、コンピュータ）によって読み出し可能な形式で情報を格納するための任意のメカニズムを含む。例えば、機械可読（例えば、コンピュータ可読）媒体は、機械（例えば、コンピュータ）可読記憶媒体（例えば、読み出し専用メモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、磁気ディスク記憶媒体、光学記憶媒体、フラッシュメモリデバイス）を含む。

前述の図に示されたプロセス又は方法は、ハードウェア（例えば、回路、専用ロジック等）、ソフトウェア（例えば、非一時的なコンピュータ可読媒体で実施される）又は両方の組み合わせを含む処理ロジックによって実行されてもよい。プロセス又は方法は、いくつかの逐次的動作に関して上記にて説明されているが、説明されている動作のいくつかは、異なる順序で実行されてもよいことを理解されたい。さらに、一部の操作は、逐次的ではなく並列に実行されてもよい。

本開示の実施形態は、特定のプログラミング言語を参照して説明されていない。本明細書にて説明されるような本開示の実施形態の教示を実装するために、様々なプログラミング言語が使用されてもよいことを理解されたい。

前述の明細書では、本開示の実施形態は、その特定の例示的な実施形態を参照して説明されている。それらの実施形態に対し、様々な修正が、以下の特許請求の範囲に記載されるような本開示のより広範な趣旨及び範囲から逸脱することなく行われてもよいことは明らかである。したがって、本明細書及び図面は、限定的な意味ではなく例示的な意味において評価されるべきである。

Claims (21)

1. 自律運転車両（ＡＤＶ）制御システムを改善する、コンピュータに実装される方法であって、
   １つ以上のＡＤＶ制御サブシステムのそれぞれについて、複数のパラメータを有する離散時間動的モデルを生成するステップであって、前記離散時間動的モデルは、ＡＤＶ制御サブシステムの作動遅延を特徴付けるものである、ステップと、
   既定の運転状況についてのクラウドソーシングされたＡＤＶ運転データを使用して、前記離散時間動的モデルについての複数のパラメータのそれぞれを推定するステップと、
   前記離散時間動的モデルを推定された前記パラメータと共に使用して、前記ＡＤＶ制御サブシステムの帯域幅評価指標を決定するステップと、
   前記離散時間動的モデルを連続時間動的モデルへと変換すると共に、前記連続時間動的モデルを使用して、立ち上がり時間評価指標及びオーバーシュート評価指標を決定するステップと
   を含み、
   前記帯域幅評価指標、前記立ち上がり時間評価指標及び前記オーバーシュート評価指標は、ＡＤＶ自律運転の作動遅延を補償するためにＡＤＶサブシステム制御器によって利用される、方法。
2. 前記離散時間動的モデルを使用して前記ＡＤＶ制御サブシステムの共振ピーク評価指標を決定するステップをさらに含み、
   前記共振ピーク評価指標は、前記作動遅延を補償するために前記ＡＤＶサブシステム制御器によって利用される、請求項１に記載の方法。
3. 前記連続時間動的モデルを使用して前記ＡＤＶ制御サブシステムの整定時間評価指標を決定するステップをさらに含み、
   前記整定時間評価指標は、前記作動遅延を補償するために前記ＡＤＶサブシステム制御器によって利用される、請求項１に記載の方法。
4. 前記作動遅延は、前記制御サブシステムによって受信された制御命令の初期実行の時間と、前記制御命令の前記初期実行に応答した、前記サブシステムの測定された作動の時間との間の差を表す、請求項１に記載の方法。
5. １つ以上の前記ＡＤＶ制御サブシステムは、スロットル制御サブシステム、ブレーキ制御サブシステム又はステアリング制御サブシステムのうちの１つ以上を含む、請求項１に記載の方法。
6. 前記クラウドソーシングされたＡＤＶ運転データは、指定されたＡＤＶタイプ、指定されたＡＤＶ制御器タイプ、又は、１つ以上の指定されたＡＤＶサブシステム制御器タイプのうちの１つ以上に従って選択される、請求項１に記載の方法。
7. 前記サブシステムの前記離散時間動的モデルは、以下の形式における二次の動的モデルである、請求項１に記載の方法。
   

   

   ここで、前記複数のパラメータは、ａ_１、ａ_２、ｂ_１及びｂ_２である。
8. 前記離散時間動的モデルを生成するステップは、さらに、前記サブシステムについてレイテンシ時間項を導入することを含み、前記レイテンシ時間項は、前記ＡＤＶ制御器による命令の送信と、前記ＡＤＶサブシステム制御器による命令の初期実行との間の時間を表す、請求項１に記載の方法。
9. 前記複数のパラメータを推定するステップは、前記クラウドソーシングされたＡＤＶ運転データの最小二乗適合を実行し、それによって前記サブシステムの前記離散時間動的モデルのパラメータを決定することを含む、請求項１に記載の方法。
10. 指令が格納された非一時的な機械可読媒体であって、該指令は、プロセッサによって実行された際に、自律運転車両（ＡＤＶ）制御システムを改善させる操作を前記プロセッサに実行させるものであり、前記操作は、
    １つ以上のＡＤＶ制御サブシステムのそれぞれについて、複数のパラメータを有する離散時間動的モデルを生成するステップであって、前記離散時間動的モデルは、ＡＤＶ制御サブシステムの作動遅延を特徴付けるものである、ステップと、
    既定の運転状況についてのクラウドソーシングされたＡＤＶ運転データを使用して、前記離散時間動的モデルについての複数のパラメータのそれぞれを推定するステップと、
    前記離散時間動的モデルを推定された前記パラメータと共に使用して、前記ＡＤＶ制御サブシステムの帯域幅評価指標を決定するステップと、
    前記離散時間動的モデルを連続時間動的モデルへと変換すると共に、前記連続時間動的モデルを使用して、立ち上がり時間評価指標及びオーバーシュート評価指標を決定するステップと
    を含み、
    前記帯域幅評価指標、前記立ち上がり時間評価指標及び前記オーバーシュート評価指標は、ＡＤＶ自律運転の作動遅延を補償するためにＡＤＶサブシステム制御器によって利用される、機械可読媒体。
11. 前記操作は、前記離散時間動的モデルを使用して前記ＡＤＶ制御サブシステムの共振ピーク評価指標を決定するステップをさらに含み、
    前記共振ピーク評価指標は、前記作動遅延を補償するために前記ＡＤＶサブシステム制御器によって利用される、請求項１０に記載の機械可読媒体。
12. 前記操作は、前記連続時間動的モデルを使用して前記ＡＤＶ制御サブシステムの整定時間評価指標を決定するステップをさらに含み、
    前記整定時間評価指標は、前記作動遅延を補償するために前記ＡＤＶサブシステム制御器によって利用される、請求項１０に記載の機械可読媒体。
13. 前記作動遅延は、前記制御サブシステムによって受信された制御命令の初期実行の時間と、前記制御命令の前記初期実行に応答した、前記サブシステムの測定された作動の時間との間の差を表す、請求項１０に記載の機械可読媒体。
14. １つ以上の前記ＡＤＶ制御サブシステムは、スロットル制御サブシステム、ブレーキ制御サブシステム又はステアリング制御サブシステムのうちの１つ以上を含む、請求項１０に記載の機械可読媒体。
15. 前記クラウドソーシングされたＡＤＶ運転データは、指定されたＡＤＶタイプ、指定されたＡＤＶ制御器タイプ、又は、１つ以上の指定されたＡＤＶサブシステム制御器タイプのうちの１つ以上に従って選択される、請求項１０に記載の機械可読媒体。
16. 前記サブシステムの前記離散時間動的モデルは、以下の形式における二次の動的モデルである、請求項１０に記載の機械可読媒体。
    

    

    ここで、前記複数のパラメータは、ａ_１、ａ_２、ｂ_１及びｂ_２である。
17. 前記離散時間動的モデルを生成するステップは、さらに、前記サブシステムについてレイテンシ時間項を導入することを含み、前記レイテンシ時間項は、前記ＡＤＶ制御器による命令の送信と、前記ＡＤＶサブシステム制御器による命令の初期実行との間の時間を表す、請求項１０に記載の機械可読媒体。
18. 前記複数のパラメータを推定するステップは、前記クラウドソーシングされたＡＤＶ運転データの最小二乗適合を実行し、それによって前記サブシステムの前記離散時間動的モデルのパラメータを決定することを含む、請求項１０に記載の機械可読媒体。
19. プロセッサと、
    前記プロセッサに結合された、指令を格納するためのメモリであって、該指令は、前記プロセッサによって実行された際に、自律運転車両（ＡＤＶ）制御システムを改善させる操作を前記プロセッサに実行させるものであり、前記操作は、
    １つ以上のＡＤＶ制御サブシステムのそれぞれについて、複数のパラメータを有する離散時間動的モデルを生成するステップであって、前記離散時間動的モデルは、ＡＤＶ制御サブシステムの作動遅延を特徴付けるものである、ステップと、
    既定の運転状況についてのクラウドソーシングされたＡＤＶ運転データを使用して、前記離散時間動的モデルについての複数のパラメータのそれぞれを推定するステップと、
    前記離散時間動的モデルを推定された前記パラメータと共に使用して、前記ＡＤＶ制御サブシステムの帯域幅評価指標を決定するステップと、
    前記離散時間動的モデルを連続時間動的モデルへと変換すると共に、前記連続時間動的モデルを使用して、立ち上がり時間評価指標及びオーバーシュート評価指標を決定するステップと
    を含む、メモリと
    を含むデータ処理システムであって、
    前記帯域幅評価指標、前記立ち上がり時間評価指標及び前記オーバーシュート評価指標は、ＡＤＶ自律運転の作動遅延を補償するためにＡＤＶサブシステム制御器によって利用される、データ処理システム。
20. 前記操作は、前記離散時間動的モデルを使用して前記ＡＤＶ制御サブシステムの共振ピーク評価指標を決定するステップをさらに含み、
    前記共振ピーク評価指標は、前記作動遅延を補償するために前記ＡＤＶサブシステム制御器によって利用される、請求項１９に記載のシステム。
21. コンピュータ上で動作しているときに、請求項１〜９のいずれか１項に記載の方法を前記コンピュータに実行させるためのコンピュータプログラム。

Images